Presentation

Le travail qui suit s’appuie sur cinq fichiers issus du projet SnpNet :
- strain.csv : nom des lignées utilisées et informe si elles sont contrôles ou non.
- individual.csv : informations de chaque drosophile : name, id, date, age, sex, user, strain_number.
- phenotype_data.csv : données phénotypiques obtenues à partir d’un logiciel et de films des coeurs disséqués.
- phenotype_data.csv_control_nooutliers.csv : même fichier que phenotype_data.csv, à ce près que les individus considérés comme outliers ont été retirés.
- phenotype_data.csv_date_correction.csv : correction journalière déduite des contrôles à appliquer aux données phénotypiques (à voir si on l’utilisera).

Construction d’un dataframe complet pour les analyses

Le contenu de presque tous les fichiers cités au-dessus a été compilé pour donner un dataframe au format long le plus complet possible quant aux drosophiles étudiées et aux valeurs recueillies. Le fichier phenotype_data.csv n’est pas concerné car on choisit de travailler avec les données sans outliers. Le fichier est stocké sous l’intitulé 01_DATA_raw. Nous ne nous intéressons pas aux données des drosophiles w1118 qui sont les contrôles, on recueille donc uniquement les lignées DGRP dans le fichier 02_DATA_dgrp

Le barplot ci-dessous représente le nombre d’individus par lignée et par âge.

Reproductions

Quelques lignées ont été répliquées. Excepté pour les lignées wild type, seul un des réplicat sera conservé : celui avec le plus grand nombre d’individus, et dans un cas d’égalité, celui dont la date d’expérimentation sera la plus proche de celle du deuxième âge étudié. Un dataframe “DATA_QC” est créé et les lignées qui ne seront finalement pas analysées sont indiquées par “dup” dans la colonne “QC”.

Le graphique ci-dessous montre les différents réplicats dans le lot d’individus étudiés, on peut voir qu’il s’agit exclusivement de duplicats. Le second barplot montre la nouvelle allure des individus par lignées lorsque les duplicats sont retirés.

## Chosen by date : dgrp310 dgrp317 dgrp405 dgrp406 dgrp850

Nombre de drosophiles suffisant

Pour chacun des phénotypes, seulement les lignées contenant plus de 8 drosophiles à chaque âge sont analysées. Si un phénotype n’a plus un nombre suffisant de lignées, il n’est pas analysé.
Le problème est que certaines lignées n’ont pas assez de drosophiles peu importe le phénotype (lignées en dessous de la ligne pointillée sur le graphique précédent). Ces lignées sont indiquées par “under” dans la colonne “QC2” de “DATA_QC”. Ce dataframe est visible dans le fichier exporté 03_DATA_FilterStrains.

## Strains with less than 8 drosophiles : dgrp818 dgrp859 dgrp409 dgrp42 dgrp911

Six lignées ont été retirées. Les données sont réorganisées pour obtenir des graphiques sans “trous”. En effet, ce même barplot sera présent au début de l’analyse de chaque phénotype, ce qui facilitera l’observation des lignées retirées pour chacun des phénotypes.

Voici la distribution des individus par lignées et par âge pour les 162 lignées restantes après retrait des individus “dup” et “under”. Ces données sont regroupées dans un nouveau dataframe qui sera la base de nos analyse : “DATA_Analysis” (visibles dans le fichier 04_DATA_Analysis).

Distribution des individus par phénotype

La distribution des individus par phénotype et par âge aide à visualiser quelles données ont été les plus dures à obtenir. Certaines jugées incorrectes (dues à une erreur technique par exemple) au premier regard ont été supprimées du fichier phenotype_data.csv dans une étude préalable.

On voit que le phénotype Pcent_DI_sup3 n’est plus représenté par aucun individu. Etant donné le faible nombre d’invididus pour certaines lignées, telle que Pcent_Long_DI, il serait statistiquement faux de les analyser.

Analyses

Les données de “DATA_Analysis” sont fractionnées selon chacun des phénotypes. A nouveau, nous ne souhaitons garder que les lignées ayant un minimum de 8 drosophiles à chaque âge. Un nouveau dataframe est créé pour chaque phénotype, nommé “DATA_Nomphénotype”, contenant les données après filtre des lignées. Les phénotypes avec moins de 80% des lignées restantes ne sont pas analysés.

Dans le cadre de l’analyse des données, nous utiliserons la mediane qui a l’avantage de ne pas être influencee par des valeurs extremes comme nous en rencontreront. Pour l’étude de la variance au sein d’une lignée, la mad (mediane absolute deviation) est utilisée. La mad est à la médiane ce que le sd est à la moyenne, elle donne donc une information sur la dispersion des données. De manière plus concrête, voici comment elle est calculée :
1. La médiane d’un ensemble de données est déterminée : \(m\).
2. La différence de la valeur de chaque individu avec la médiane est ensuite calculée : \(xi-m\).
3. On prend la valeur absolue des différences et on détermine leur médiane : \(MED([ |xi-m| ]_{i=1:n})\).
Cette dernière valeur est la mad. En toute logique, elle a le même avantage que la médiane de ne pas tenir compte des valeurs extrêmes.

La simple différence de la médiane et de la mad aux âges 4 et 1 ne prennent pas en compte l’importance de l’évolution, c’est à dire le pourcentage de variation du phénotype. Deux nouveau indicateurs ont donc été mis en place :
- l’indicateur de médiane \(I_V\) : la différence médiane4 - médiane1 est divisée par la médiane1 \(I_M = 2* (mediane_4 - mediane_1) / (mediane_4 + mediane_1\)).
- l’indicateur de variation \(I_V\) : le coefficient de variation est la division de l’écart-type par la moyenne. On a un équivalent basé sur les rangs en faisant la division de la mad par la médiane. Ici, on a donc \(CV_R = mad / mediane\). Comme pour la mediane, on va prendre en compte la différence des coefficients de variation à l’âge4 et à l’âge1, puis on divise par le coefficient de variation à l’âge1, c’est à dire \(I_v = 2 *(CV_R4 - CV_R1) / (CV_R4 - CV_R1)\).

DI_on_Hp_Mean



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1526700, p-value = 3.125e-05 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DI_on_Hp_Mean tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 4942, p-value = 0.005531 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DI_on_Hp_Mean tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 64 lignées ont un comportement inverse minoritaire, soit 40 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.9666, p-value = 0.0005974


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.98763, p-value = 0.1699


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 375710, p-value = 4.251e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4697535


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 7608, p-value = 0.09251 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.98388, p-value = 0.05684


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.94899, p-value = 1.877e-05


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 545950, p-value = 0.08783 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1371213


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 836900, p-value = 1.992e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.3749279









DiastolicIntervals_Mean



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1212800, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicIntervals_Mean tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 2009, p-value = 1.601e-14 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicIntervals_Mean tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 35 lignées ont un comportement inverse minoritaire, soit 22 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.9034, p-value = 7.681e-09


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.98584, p-value = 0.1129


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 413070, p-value = 4.581e-08 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4170354


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 3187, p-value = 1.135e-08 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de DiastolicIntervals_Mean tend à augmenter entre les deux âges pour la majorité des lignées. 46 lignées ont un comportement inverse minoritaire, soit 28 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.95206, p-value = 2.426e-05


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.97187, p-value = 0.002922


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 532310, p-value = 0.0774 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1422867


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 582080, p-value = 0.6717 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.03485133









DiastolicIntervals_Median



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1194100, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicIntervals_Median tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 1837, p-value = 1.628e-15 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicIntervals_Median tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 36 lignées ont un comportement inverse minoritaire, soit 22 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.91882, p-value = 7.134e-08


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.97465, p-value = 0.005427


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 430770, p-value = 3.127e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3920523


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 2889, p-value = 5.382e-10 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de DiastolicIntervals_Median tend à augmenter entre les deux âges pour la majorité des lignées. 43 lignées ont un comportement inverse minoritaire, soit 27 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.89767, p-value = 3.545e-09


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.97057, p-value = 0.002218


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 485550, p-value = 0.01198 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2023033


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 540660, p-value = 0.8151 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.01929621









DiastolicIntervals_StdDev



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1402900, p-value = 1.094e-15 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicIntervals_StdDev tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 3484, p-value = 1.863e-07 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicIntervals_StdDev tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 48 lignées ont un comportement inverse minoritaire, soit 30 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.80475, p-value = 1.945e-13


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.92764, p-value = 7.342e-07


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 456740, p-value = 4.036e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3553978


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 4016, p-value = 1.54e-05 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de DiastolicIntervals_StdDev tend à augmenter entre les deux âges pour la majorité des lignées. 55 lignées ont un comportement inverse minoritaire, soit 34 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.91979, p-value = 8.277e-08


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.98631, p-value = 0.134


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 580730, p-value = 0.5713 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0459203


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 477220, p-value = 0.8052 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.02078203









DiastolicIntervals_StdDevOnMedian



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1623600, p-value = 0.2907 alternative hypothesis: true location shift is not equal to 0


INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 6433, p-value = 0.7788 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.68518, p-value < 2.2e-16


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.9349, p-value = 1.565e-06


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 494660, p-value = 0.0001018 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3018809


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 6747, p-value = 0.8084 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.96747, p-value = 0.0007365


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.97184, p-value = 0.003279


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 436960, p-value = 0.001682 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2534121


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 383550, p-value = 0.003037 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2450992









DiastolicMeanDiameter



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 84.5679 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1257600, p-value = 2.086e-12 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicMeanDiameter tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 6974, p-value = 1.381e-06 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicMeanDiameter tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 45 lignées ont un comportement inverse minoritaire, soit 33 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.98195, p-value = 0.06692


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.98391, p-value = 0.1129


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 126050, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.7058553


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 5874, p-value = 0.01373 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de DiastolicMeanDiameter tend à diminuer entre les deux âges pour la majorité des lignées. 59 lignées ont un comportement inverse minoritaire, soit 43 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.98603, p-value = 0.1784


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.95184, p-value = 0.0001479


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 290110, p-value = 0.009679 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2256713


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 385000, p-value = 0.3907 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.07612925









FractionalShortening



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 84.5679 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1136200, p-value = 0.0614 alternative hypothesis: true location shift is not equal to 0


INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 5432, p-value = 0.1298 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.95653, p-value = 0.0002481


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.98425, p-value = 0.1225


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 213760, p-value = 6.598e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.5011761


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 4120, p-value = 0.1929 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.99479, p-value = 0.9038


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.94688, p-value = 5.765e-05


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 305620, p-value = 0.01992 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2026631


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 468550, p-value = 0.001321 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.2796788









Heartperiod_Mean



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1108800, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartperiod_Mean tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 1587, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartperiod_Mean tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 32 lignées ont un comportement inverse minoritaire, soit 20 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.96519, p-value = 0.0004273


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.99357, p-value = 0.72


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 432010, p-value = 3.559e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3902995


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 3184, p-value = 1.102e-08 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartperiod_Mean tend à augmenter entre les deux âges pour la majorité des lignées. 43 lignées ont un comportement inverse minoritaire, soit 27 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.96474, p-value = 0.0003849


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.97168, p-value = 0.002903


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 478480, p-value = 0.007825 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2139152


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 499470, p-value = 0.2537 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0940214









Heartperiod_Median



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1075400, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartperiod_Median tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 1267, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartperiod_Median tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 26 lignées ont un comportement inverse minoritaire, soit 16 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.94723, p-value = 9.287e-06


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.99075, p-value = 0.4136


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 428130, p-value = 2.372e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3957697


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 2436, p-value = 3.282e-12 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartperiod_Median tend à augmenter entre les deux âges pour la majorité des lignées. 40 lignées ont un comportement inverse minoritaire, soit 25 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.90264, p-value = 6.914e-09


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.96256, p-value = 0.0003651


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 469570, p-value = 0.008211 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2133241


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 468270, p-value = 0.3485 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.07834987









Heartperiod_StdDev



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1376800, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartperiod_StdDev tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 3219, p-value = 1.552e-08 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartperiod_StdDev tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 49 lignées ont un comportement inverse minoritaire, soit 30 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.84834, p-value = 1.161e-11


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.92921, p-value = 5.676e-07


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 445300, p-value = 1.357e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3715403


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 4003, p-value = 1.395e-05 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartperiod_StdDev tend à augmenter entre les deux âges pour la majorité des lignées. 54 lignées ont un comportement inverse minoritaire, soit 33 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.95687, p-value = 6.607e-05


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.97008, p-value = 0.001588


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 641110, p-value = 0.59 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.04300513


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 573590, p-value = 0.6313 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.03906491









Heartperiod_StdDevOnMedian



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1570700, p-value = 0.007043 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartperiod_StdDevOnMedian tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 5586, p-value = 0.08963 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.81969, p-value = 7.303e-13


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.93, p-value = 8.004e-07


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 504560, p-value = 0.0002155 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2879061


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 6174, p-value = 0.4752 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.96244, p-value = 0.0002262


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.98739, p-value = 0.1751


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 513730, p-value = 0.03222 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1722374


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 501150, p-value = 0.6853 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0337771









Heartrate_Mean



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 2238700, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_Mean tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 11741, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_Mean tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 27 lignées ont un comportement inverse minoritaire, soit 17 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.86361, p-value = 5.871e-11


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.97987, p-value = 0.02225


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 451230, p-value = 2.405e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3631713


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 8612, p-value = 0.0007757 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartrate_Mean tend à diminuer entre les deux âges pour la majorité des lignées. 60 lignées ont un comportement inverse minoritaire, soit 37 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.97956, p-value = 0.01688


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.96091, p-value = 0.0001966


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 472610, p-value = 0.0003658 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2810473


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 569940, p-value = 0.7484 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.02619619









Heartrate_Median



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 2242800, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_Median tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 11767, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_Median tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 26 lignées ont un comportement inverse minoritaire, soit 16 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.87082, p-value = 1.315e-10


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.98377, p-value = 0.06756


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 439750, p-value = 7.836e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3793731


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 8632, p-value = 0.0006869 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartrate_Median tend à diminuer entre les deux âges pour la majorité des lignées. 62 lignées ont un comportement inverse minoritaire, soit 38 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.98549, p-value = 0.08976


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.95294, p-value = 3.644e-05


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 541450, p-value = 0.0268 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1763192


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 578340, p-value = 0.7316 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.02820925









Heartrate_StdDev



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1804100, p-value = 3.054e-06 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_StdDev tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 8662, p-value = 0.0005712 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_StdDev tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 61 lignées ont un comportement inverse minoritaire, soit 38 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.827, p-value = 1.435e-12


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.94775, p-value = 1.89e-05


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 484360, p-value = 4.483e-05 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3164117


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 8042, p-value = 0.01604 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartrate_StdDev tend à diminuer entre les deux âges pour la majorité des lignées. 64 lignées ont un comportement inverse minoritaire, soit 40 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.98949, p-value = 0.2715


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.953, p-value = 3.691e-05


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 614890, p-value = 0.4196 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0645994


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 541670, p-value = 0.9751 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.002587576









Heartrate_StdDevOnMedian



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1522400, p-value = 2.45e-05 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_StdDevOnMedian tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 5073, p-value = 0.01061 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_StdDevOnMedian tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 66 lignées ont un comportement inverse minoritaire, soit 41 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.88005, p-value = 3.867e-10


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.95433, p-value = 6.432e-05


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 460110, p-value = 5.507e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3506388


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 5039, p-value = 0.008998 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartrate_StdDevOnMedian tend à augmenter entre les deux âges pour la majorité des lignées. 63 lignées ont un comportement inverse minoritaire, soit 39 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.97478, p-value = 0.004645


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.94647, p-value = 1.396e-05


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 541490, p-value = 0.2534 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.09283905


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 624510, p-value = 0.002103 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.2549474









NormalizedIntervals_Mean



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1739100, p-value = 0.01156 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de NormalizedIntervals_Mean tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 7627, p-value = 0.08651 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.90855, p-value = 1.575e-08


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.97121, p-value = 0.002482


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 393330, p-value = 4.418e-09 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4448918


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 6388, p-value = 0.7217 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.93287, p-value = 6.861e-07


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.9353, p-value = 1.676e-06


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 532380, p-value = 0.07761 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1421868


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 514530, p-value = 0.4185 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.06670053









NormalizedIntervals_Median



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1806400, p-value = 3.381e-06 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de NormalizedIntervals_Median tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 8307, p-value = 0.004355 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de NormalizedIntervals_Median tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 63 lignées ont un comportement inverse minoritaire, soit 39 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.92319, p-value = 1.406e-07


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.95472, p-value = 5.246e-05


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 413990, p-value = 5.082e-08 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4157341


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 7034, p-value = 0.47 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.96693, p-value = 0.0006463


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.96964, p-value = 0.001694


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 510030, p-value = 0.02665 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.178196


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 568210, p-value = 0.9054 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.00974207









NormalizedIntervals_StdDev



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1630400, p-value = 0.4157 alternative hypothesis: true location shift is not equal to 0


INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 6039, p-value = 0.3473 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.64575, p-value < 2.2e-16


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.93095, p-value = 1.243e-06


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 434170, p-value = 4.447e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3872511


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 5877, p-value = 0.226 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.77989, p-value = 2.498e-14


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.97329, p-value = 0.003839


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 630580, p-value = 0.7815 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.02228369


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 405470, p-value = 0.02637 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1852222









NormalizedIntervals_StdDevOnMedian



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1559700, p-value = 0.00234 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de NormalizedIntervals_StdDevOnMedian tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 5646, p-value = 0.1103 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.80784, p-value = 2.543e-13


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.91549, p-value = 1.393e-07


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 459960, p-value = 5.429e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.350859


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 5583, p-value = 0.08868 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.81738, p-value = 5.924e-13


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.93413, p-value = 1.197e-06


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 632430, p-value = 0.8091 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.01941838


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 473850, p-value = 0.7425 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.02768065









SD_on_Median_Heartperiod



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1570700, p-value = 0.007043 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SD_on_Median_Heartperiod tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 5586, p-value = 0.08963 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.81969, p-value = 7.303e-13


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.93, p-value = 8.004e-07


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 504560, p-value = 0.0002155 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2879061


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 6174, p-value = 0.4752 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.96244, p-value = 0.0002262


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.98739, p-value = 0.1751


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 513730, p-value = 0.03222 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1722374


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 501150, p-value = 0.6853 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0337771









SI_on_DI_Mean



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1789200, p-value = 4.057e-05 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SI_on_DI_Mean tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 8234, p-value = 0.006349 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SI_on_DI_Mean tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 66 lignées ont un comportement inverse minoritaire, soit 41 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.89978, p-value = 4.697e-09


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.96975, p-value = 0.001596


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 374720, p-value = 3.681e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4711592


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 7712, p-value = 0.06342 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.97161, p-value = 0.002053


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.97324, p-value = 0.004111


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 563280, p-value = 0.2526 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.09238826


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 543340, p-value = 0.679 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0340264









SystolicIntervals_Mean



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 767830, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_Mean tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 313, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_Mean tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 10 lignées ont un comportement inverse minoritaire, soit 6 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.85114, p-value = 1.548e-11


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.9908, p-value = 0.4281


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 332780, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.5303411


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 1757, p-value = 5.469e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de SystolicIntervals_Mean tend à augmenter entre les deux âges pour la majorité des lignées. 35 lignées ont un comportement inverse minoritaire, soit 22 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.86975, p-value = 1.165e-10


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.95037, p-value = 2.766e-05


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 545570, p-value = 0.2004 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1036973


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 381520, p-value = 0.004974 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2333414









SystolicIntervals_Median



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 741920, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_Median tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 390, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_Median tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 14 lignées ont un comportement inverse minoritaire, soit 9 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.90359, p-value = 7.875e-09


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.99531, p-value = 0.9052


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 371460, p-value = 1.574e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4757554


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 2369, p-value = 1.472e-12 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de SystolicIntervals_Median tend à augmenter entre les deux âges pour la majorité des lignées. 40 lignées ont un comportement inverse minoritaire, soit 25 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.77112, p-value = 1.259e-14


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.95002, p-value = 2.586e-05


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 619480, p-value = 0.8271 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.01772838


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 543770, p-value = 0.8685 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.01366225









SystolicIntervals_SI_on_Hp_Mean



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1789000, p-value = 4.173e-05 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_SI_on_Hp_Mean tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 8205, p-value = 0.007347 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_SI_on_Hp_Mean tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 67 lignées ont un comportement inverse minoritaire, soit 41 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.9369, p-value = 1.377e-06


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.98973, p-value = 0.3061


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 370600, p-value = 1.987e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4769653


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 7618, p-value = 0.08931 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.98615, p-value = 0.1081


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.95879, p-value = 0.0001377


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 507810, p-value = 0.01363 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1973985


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 691660, p-value = 0.02513 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.1817707









SystolicIntervals_StdDev



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1505600, p-value = 1.569e-06 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_StdDev tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 4424, p-value = 0.000272 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_StdDev tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 66 lignées ont un comportement inverse minoritaire, soit 41 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.53819, p-value < 2.2e-16


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.80977, p-value = 3.791e-12


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 521430, p-value = 0.0007115 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2641029


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 3934, p-value = 8.196e-06 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de SystolicIntervals_StdDev tend à augmenter entre les deux âges pour la majorité des lignées. 61 lignées ont un comportement inverse minoritaire, soit 38 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.68704, p-value < 2.2e-16


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.95051, p-value = 2.677e-05


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 532460, p-value = 0.07789 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1420547


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 185970, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.5464686









SystolicIntervals_StdDevOnMedian



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1668800, p-value = 0.7337 alternative hypothesis: true location shift is not equal to 0


INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 5692, p-value = 0.1285 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.62322, p-value < 2.2e-16


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.82598, p-value = 8.734e-12


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 563300, p-value = 0.008973 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2050056


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 4565, p-value = 0.0006621 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de SystolicIntervals_StdDevOnMedian tend à augmenter entre les deux âges pour la majorité des lignées. 68 lignées ont un comportement inverse minoritaire, soit 42 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.76213, p-value = 6.352e-15


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.95625, p-value = 9.002e-05


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 470640, p-value = 0.00476 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2267988


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 216530, p-value = 7.6e-11 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.5162295









SystolicMeanDiameter



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 84.5679 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1215400, p-value = 2.254e-07 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicMeanDiameter tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 6456, p-value = 0.0002034 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicMeanDiameter tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 49 lignées ont un comportement inverse minoritaire, soit 36 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.98611, p-value = 0.182


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.9903, p-value = 0.4895


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 151430, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.646635


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 5599, p-value = 0.061 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.98467, p-value = 0.129


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.93766, p-value = 1.335e-05


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 353030, p-value = 0.512 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.05772701


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 367000, p-value = 0.4011 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.07506679









Total_DI_Time



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1583300, p-value = 0.0173 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Total_DI_Time tend à augmenter avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 5762, p-value = 0.1606 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.96496, p-value = 0.0004047


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.98607, p-value = 0.1151


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 414580, p-value = 5.432e-08 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4148958


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 7075, p-value = 0.4289 alternative hypothesis: true location shift is not equal to 0


Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.98408, p-value = 0.0602


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.92018, p-value = 1.87e-07


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 538400, p-value = 0.3263 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.08009213


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 772250, p-value = 5.167e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.40078









Total_SI_Time



Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.

Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.

Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.

Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction

data: value by age W = 1796800, p-value = 1.392e-05 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Total_SI_Time tend à diminuer avec l’âge au sein de la population.

INDICATEUR DE MEDIANE


Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction

data: median by age V = 8472, p-value = 0.001765 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Total_SI_Time tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 66 lignées ont un comportement inverse minoritaire, soit 41 %.

Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM$diff W = 0.9029, p-value = 7.172e-09


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIM_no_outliers$diff W = 0.99001, p-value = 0.3382


Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.

Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho

data: dfIM\(median1 and dfIM\)median4 S = 358920, p-value = 2.388e-11 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4934522


INDICATEUR DE VARIATION


De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.

Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction

data: mad by age V = 8094, p-value = 0.01259 alternative hypothesis: true location shift is not equal to 0


Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Total_SI_Time tend à diminuer entre les deux âges pour la majorité des lignées. 69 lignées ont un comportement inverse minoritaire, soit 43 %.

Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.

La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfmad$diff W = 0.98279, p-value = 0.04171


Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.

La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test

data: dfIV_no_outliers$diff W = 0.95751, p-value = 0.000117


Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.

Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho

data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 411280, p-value = 4.477e-05 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3243205


CORRELATION IM IV


La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.

Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho

data: mgIMIV\(IM and mgIMIV\)IV S = 634530, p-value = 0.03407 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.1744559









Summary


Percent of remaining strains


Percentage of remaining strains : Under 80%, phenotypes have not been studied
phenotypes valid_strain
DI_on_Hp_Mean 100.00
DiastolicIntervals_Mean 100.00
DiastolicIntervals_Median 100.00
DiastolicIntervals_StdDev 100.00
DiastolicIntervals_StdDevOnMedian 100.00
DiastolicMeanDiameter 84.57
FractionalShortening 84.57
Heartperiod_Mean 100.00
Heartperiod_Median 100.00
Heartperiod_StdDev 100.00
Heartperiod_StdDevOnMedian 100.00
Heartrate_Mean 100.00
Heartrate_Median 100.00
Heartrate_StdDev 100.00
Heartrate_StdDevOnMedian 100.00
NormalizedIntervals_Mean 100.00
NormalizedIntervals_Median 100.00
NormalizedIntervals_StdDev 100.00
NormalizedIntervals_StdDevOnMedian 100.00
Pcent_Long_DI 4.32
Pcent_Long_SI 0.00
SD_on_Median_Heartperiod 100.00
SI_on_DI_Mean 100.00
SystolicIntervals_Mean 100.00
SystolicIntervals_Median 100.00
SystolicIntervals_SI_on_Hp_Mean 100.00
SystolicIntervals_StdDev 100.00
SystolicIntervals_StdDevOnMedian 100.00
SystolicMeanDiameter 84.57
Total_DI 66.67
Total_DI_Time 100.00
Total_SI 66.67
Total_SI_Time 100.00

Normality of the distribution


La table suivante est un récapitulatif des distributions qui sont normales ou non, détaillées plus haut pour chaque phénotype.

Normality of distributions : normal distributions are indicated in the table
IM_avec_extremes IM_sans_extremes IV_avec_extremes IV_sans_extremes
DI_on_Hp_Mean Normale Normale
DiastolicIntervals_Mean Normale
DiastolicIntervals_Median
DiastolicIntervals_StdDev Normale
DiastolicIntervals_StdDevOnMedian
DiastolicMeanDiameter Normale Normale Normale
FractionalShortening Normale Normale
Heartperiod_Mean Normale
Heartperiod_Median Normale
Heartperiod_StdDev
Heartperiod_StdDevOnMedian Normale
Heartrate_Mean
Heartrate_Median Normale Normale
Heartrate_StdDev Normale
Heartrate_StdDevOnMedian
NormalizedIntervals_Mean
NormalizedIntervals_Median
NormalizedIntervals_StdDev
NormalizedIntervals_StdDevOnMedian
SD_on_Median_Heartperiod Normale
SI_on_DI_Mean
SystolicIntervals_Mean Normale
SystolicIntervals_Median Normale
SystolicIntervals_SI_on_Hp_Mean Normale Normale
SystolicIntervals_StdDev
SystolicIntervals_StdDevOnMedian
SystolicMeanDiameter Normale Normale Normale
Total_DI_Time Normale Normale
Total_SI_Time Normale

Extrem strains


Table of extrem strains

La table qui suit montre les lignées qui ont des comportements extrêmes au moins deux fois dans le cas de la médiane ou de la mad, ce pour chaque âge. Ce tableau ne parle pas des différences de médiane et de mad.
Heatmap of median extrem strains


Les heatmap suivantes montrent les données de la table précédente sous un autre format. Si les lignées indiquées comme extrêmes pour la médiane à l’âge 1 (première heatmap) sont des extrêmes ‘supérieurs’, ils sont indiqués en bleus, s’ils sont des extrêmes ‘inférieurs’, alors ils sont indiqués en rouge.

Certaines lignées sont à la fois extrêmes pour la médiane âge 1 et pour la médiane âge4. Ceci est visible dans la table précédente, mais en voici le rappel : dgrp195 dgrp229 dgrp303 dgrp310 dgrp358 dgrp439 dgrp440 dgrp443 dgrp461 dgrp513 dgrp517 dgrp73 dgrp804 dgrp855 dgrp884 dgrp890 dgrp894 dgrp913 dgrp93
Heatmap of IM extrem strains

La heatmap qui suit est fondée sur le même principe, montrant les extrêmes pour l’indicateur de médiane IM.

Heatmap of mad extrem strains


Certaines lignées sont à la fois extrêmes pour la mad âge 1 et pour la mad âge4. Ceci est visible dans la table précédente, mais en voici le rappel : dgrp195 dgrp229 dgrp26 dgrp301 dgrp303 dgrp338 dgrp358 dgrp395 dgrp439 dgrp443 dgrp461 dgrp486 dgrp563 dgrp707 dgrp73 dgrp730 dgrp799 dgrp819 dgrp855 dgrp882 dgrp884 dgrp890 dgrp892 dgrp894 dgrp900 dgrp907 dgrp913 dgrp93
Heatmap of IV extrem strains


Heatmap


Les deux heatmap suivante représentent l’indicateur de médiane et l’indicateur de variation pour les phenotypes étudiés. Le souci est que 3 des phénotypes présentent que 84% des lignées du fichier utilisé, il y aura donc des données manquantes. Les deux graphiques correspondent à deux stratégies pour palier à ceci.
Première proposition : On enlève les lignes avec des données manquantes, on traite donc les 29 phénotypes avec 138 observations.
$tree_row

Call: hclust(d = d, method = method)

Cluster method : complete Distance : euclidean Number of objects: 29

$tree_col

Call: hclust(d = d, method = method)

Cluster method : complete Distance : euclidean Number of objects: 29

$kmeans [1] NA

$gtable TableGrob (5 x 6) “layout”: 6 grobs z cells name grob 1 1 (1-1,3-3) main text[GRID.text.114293] 2 2 (2-2,3-3) col_tree polyline[GRID.polyline.114294] 3 3 (4-4,1-1) row_tree polyline[GRID.polyline.114295] 4 4 (4-4,3-3) matrix gTree[GRID.gTree.114297] 5 5 (5-5,3-3) col_names text[GRID.text.114298] 6 6 (4-4,4-4) row_names text[GRID.text.114299]


On fait de même avec l’indicateur de variation.
$tree_row

Call: hclust(d = d, method = method)

Cluster method : complete Distance : euclidean Number of objects: 29

$tree_col

Call: hclust(d = d, method = method)

Cluster method : complete Distance : euclidean Number of objects: 29

$kmeans [1] NA

$gtable TableGrob (5 x 6) “layout”: 6 grobs z cells name grob 1 1 (1-1,3-3) main text[GRID.text.114303] 2 2 (2-2,3-3) col_tree polyline[GRID.polyline.114304] 3 3 (4-4,1-1) row_tree polyline[GRID.polyline.114305] 4 4 (4-4,3-3) matrix gTree[GRID.gTree.114307] 5 5 (5-5,3-3) col_names text[GRID.text.114308] 6 6 (4-4,4-4) row_names text[GRID.text.114309]


Deuxième proposition : Les phénotypes avec des données manquantes sont enlevés, on traite donc 26 phenotypes mais avec les 163 observations.

On fait de même avec l’indicateur de variation.